2024可持续膳食系列报告-全球城市可持续外出就餐(亚洲-东京篇)-57正式版

2024可持续膳⻝系列报告全球城市可持续外出就餐（亚洲-东京篇）东京大学工学部工学系研究科龙吟研究室著科研⽤途转载请注明作者和来源。未经授权，任何单位或个⼈不得对本报告进⾏商业使⽤，包括但不限于部分或全⽂转载。我们保留对侵权⾏为追究法律责任的权利。本研究赞助企业⽆锡研之岛科技有限公司(⽇本)朝⽇集团财团(⽇本)⽇⽴财团仓⽥研究奖励(⽇本)旭硝⼦财团目录Contents第一章现代都市膳食习惯转型与可持续性探索..............................................31.1城市化进程下的都市膳食变革...............................................................31.2构建可持续的都市膳食模式：环境与健康的双重考量.......................4第二章外出就餐可持续性的核算方法..............................................................82.1数据来源...................................................................................................82.2外出就餐的营养及环境影响的评估方法.............................................122.3车站周边外出就餐的可持续性评估方法.............................................15第三章东京餐厅可持续性分析实践................................................................193.1餐厅密度分布.........................................................................................193.2营养及价格分布.....................................................................................293.3碳足迹分布综合分析.............................................................................32第四章城市轨道交通点、线、面可持续外食指数分析................................344.1车站周边可持续外食指数分析..............................................................344.2轨道沿线可持续外食指数分析.............................................................374.3东京都行政区可持续外食指数分析......................................................41第五章融合可持续膳食与全球行动：实现共赢未来....................................485.1探索构建可持续膳食模式.....................................................................485.2可持续膳食助力全球气候与健康行动.................................................491CHAPTER1现代都市膳⻝习惯转型与可持续性探索第一章现代都市膳食习惯转型与可持续性探索第一章现代都市膳食习惯转型与可持续性探索1.1城市化进程下的都市膳食变革联合国可持续发展目标

SDG11

呼吁建⽴更加可持续的城市和社区。随着全球城市化加速，城市扩张不可避免知识卡片：联合国可持续发展目标地导致了⼟地利⽤的显著变化，这对⽣物多样性和粮⾷系统产⽣了重⼤影响。预计，未来全球城市地区的扩张将造成粮⾷产量下降、⽣物多样性损失以及碳排放量增加，危及⼈类⽣计和⾃然环境。联合国可持续发展目标（SustainableDevelopmentGoals，简称SDGs）是一系列国际商定的发展目标，旨在从2015年到2030年间通过包容性的方式减少贫困、保护地球并确保全人类享有和平与繁荣，总计17个目标。SDG11是可持续城市和社区（SustainableCitiesand城市化不仅改变了土地利用方式，也深刻影响了粮食供应链和人们的饮食习惯。随着城市居民⽣活⽔平的提⾼和饮⾷偏好的转变，对⾼能量密度⾷品的需求增加，进⽽增⼤了农业⽣产和⾷品供应链的压⼒。例如，相较于农村地区，城市居民可能消费更多的⾁类产品，并且在快节奏的⽣活之下，居民越来越倾向于选择快餐或便利⾷品以节省时间。然⽽，这类⾷品往往营养不均衡，从⽽引发健康问题。同时，城市所需的⾷物⼤多需从各地运输⽽来，加之对集约化养殖产业产品的⾼需求，给环境带来了额外的负担。Communities），致力于建设包容、安全、有抵御灾害能力和可持续的城市和人类住区。此外，城市化进程中的膳食结构和习惯的转变还表现在外出就餐的频率上。在中国，超过

35%的居民选择外出就餐，在部分城市这⼀⽐例⾼达42.2%1；在东京，⾼达

的居民倾向于每周外出就餐⼀次，

的⼈倾向于每天外出就餐80%

12.1%2；英国居民平均每六顿饭中就有⼀顿在外进⾏50%3；美国超过的成年⼈每周⾄少外出就餐三次4，且在移动环境中每增加

10%接触快餐店的机会，个⼈访问快餐店的⼏率就会增加

20%

。5随着全球范围内外出就餐频率的增加，城市居民对可持续膳食的关注度也随之上升，外出就餐的可持续性影响涉及经济、环境、健康营养等多个方面。⾸先，外出就餐的经济影响主要体现在餐饮业的繁荣和消费者⽀出模式的变化上。在中国⼈⼜最多、最富裕的城市上海，61%的⼈在

COVID-19

前每周⾄少外出就餐⼀次。随着外出就餐频率的增加，餐饮⾏业的发展带动了相关服务和供应链的增长。全球餐饮市场的收⼊在过去⼗年中稳步上升，预计到

2025

年将达到

4.2

万亿美元。3第一章现代都市膳食习惯转型与可持续性探索其次，外出就餐的环境影响主要体现在资源消耗、⾷物浪费和废物处理上。餐厅的运营需要⼤量的能源和⽔资源，⾷材的⽣产和运输也会产⽣⼤量的碳排放，例如：中国农村家庭外出就餐时家庭⾷物相关碳、⽔和⼟地⾜迹分别增加到

0.715kgCO-eq/d、1.434m/d和

2.429m/d，322外出就餐带来的环境影响占⾷品系统环境负担的

20%以上

6；美国餐饮业每年产⽣约

3000万吨的碳排放

7；同时，餐饮业产⽣的⼤量包括塑料包装、⼀次性餐具和剩余⾷物等在内的废弃物，对城市垃圾处理系统造成了巨⼤压⼒，增加了环境污染风险。此外，外出就餐的健康营养影响主要体现在饮⾷质量和营养摄⼊上。外出就餐频率较⾼的⼈群往往摄⼊更多的⾼脂、⾼糖和⾼盐⾷物

8，这增加了肥胖和慢性病的风险。⼀项⾃

1999⾄2014年进⾏的美国全国健康与营养调查显⽰，在

291,475⼈次的随访中，很少在家吃饭（每周少于⼀顿）的受访者相⽐经常在家吃饭（每天两顿或更多）的受访者，全因死亡率⾼出

49%，⼼⾎管死亡率⾼出

18%，癌症死亡率⾼出

67%9。鉴于外出就餐对健康的潜在影响，餐馆在促进健康饮⾷⽅⾯的作⽤显得尤为重要。餐馆如果提供更为健康的选择以及营养信息标签，可促使消费者选择更健康的⾷物。因此，随着外出就餐成为现代城市生活的一个重要组成部分，研究和推广可持续的都市膳食模式、减少食物浪费和环境污染，已成为以实现城市可持续发展为核心、多个可持续发展目标相互协同与均衡的重要一环。外出就餐的可持续性关乎经济、环境和社会的协调发展，⽽提升餐饮服务的环保和健康标准是实现这⼀⽬标的关键步骤。我们必须采取⾏动，通过政策、市场和社会三⽅⾯的努⼒，共同推动更加健康和可持续的未来膳⾷模式。1.2构建可持续的都市膳食模式：环境与健康的双重考量⽇本作为⼀个⾼度发达的经济体，拥有全球最⽼龄化的消费者群体。2022年数据显⽰，⽇本中位年龄超过

49岁，且

59%的⼈⼜年龄在

15⾄

64岁之间。在经历经济衰退后，为了增加收⼊，⼀些消费者选择“花钱省时间”，从⽽催⽣了更多的外出就餐需求

10，尤其是在东京这座拥有全国

37%⼈⼜的⼤都市。消费者膳食模式变化深刻影响着东京未来的餐饮趋势和可持续发展格局。东京作为世界上⼈⼜最密集的城市之⼀，巨⼤的⾷物消费量伴随着更⼤的环境责任。东京餐饮业是温室⽓体排放的重要源头，其碳排放不仅来⾃于餐馆的⽇常运营，还包括从⾷材的⽣4第一章现代都市膳食习惯转型与可持续性探索产、运输、烹饪到⾷物废弃物处理的整个⽣命周期。都市餐厅运营过程中所需的资源、食材运输过程中的碳排放以及餐饮废弃物的处理，都对城市环境承载能力提出了更高的要求。为应对这⼀挑战，东京的餐饮业已开始注重可持续发展，这⼀趋势在东京拥有的⽶其林星级餐厅中尤为明显。根据

2023年东京⽶其林指南，200家获星餐厅中有

12家因采⽤可持续⾷材和烹饪⽅法⽽被授予米其林绿星。为迎合消费者对健康和可持续的偏好，越来越多的餐厅开始宣传其可持续目标，如使用可持续食材、改进烹饪方法和优化食物包装，共同推动了社会层面对可持续饮食的关注。尽管如此，日本消费者环保意识的提升尚未完全转化为实际行为。2023年《⽇本时报(TheJapanTimes)》报道指出，尽管

60%的消费者声称愿意选择对环境影响较⼩的饮⾷模式，实际上⼤多数⼈在就餐选择时并不会将环境影响作为⾸要因素考虑。调查显⽰，80%的受访者更偏爱⽇本本地产的有机⽜⾁，并愿意为此⽀付溢价，⽽对于植物⾁或培养⾁的接受度较低

11。这反映了日本消费者在食品质量方面的高标准要求与他们环保选择的实际行为之间存在矛盾。东京的餐饮业虽然蓬勃发展，却带来了⾷物浪费的严重问题。为满⾜消费者对多样化和⾼品质菜品的需求，许多餐厅⾯临超量采购和备餐的问题，导致⼤量⾷物浪费。据统计，2020年⽇本的⾷物损失和知识卡片：米其林绿星浪费总量约为

522万吨。处理这些食物垃圾不仅环境成本高昂，还给市政当局带来了经济负担，每年需花费数百万美元处理这些非工业垃圾。米其林绿星首次公开于2020年发布的法国米其林指南，是最新的米其林指南奖项，用于表彰在可持续美食方面足以成为榜样的餐厅。绿星的评选源自评审员的实地观察，包括审视餐厅对可持续美食投入强烈承诺的所有环保倡议，如食材的来源和对时令的尊重、菜单的平衡和组成以及废弃物与餐厅资源管理等，部分获评绿星的餐厅甚至实现能源自给自足。截止到2024年，在全球超过15,000家米其林推荐的餐厅中只有约528家餐厅获评米其林绿星。同时，健康意识与环境意识之间的冲突⽇益明显。虽然许多⽇本消费者倾向于选择营养丰富且未经过多加⼯的健康⾷品，但这些⾷品的运输及储存过程往往会对环境产⽣较⼤影响。此外，研究显⽰，全球每年约有

1100万⼈死于不健康的饮⾷

12。考虑到外出就餐的菜肴通常⽐家庭⽤餐含有更多的热量、脂肪和钠，过量摄⼊这些成分与⼼⾎管疾病、糖尿病和肥胖等慢性疾病密切相关。因此，外出就餐与健康风险和环境压力紧密关联，如何在推广健康饮食的同时减少环境负担，成为一个亟待解决的5第一章现代都市膳食习惯转型与可持续性探索问题。由此可见，城市化进程带来的膳⾷变⾰不仅直接引发健康问题，还将通过增加⾷物需求间接影响环境。因此，评估都市膳⾷习惯变迁下外出就餐的环境影响及其可持续性具有重要意义。此外，外出就餐的营养价值和环境影响的研究能够为制定更有效的政策和实践提供科学依据，从⽽促进健康和环境双重⽬标的实现。综上所述，本报告旨在探讨现代都市饮⾷习惯的转型，特别是外出就餐的可持续性问题。通过对东京地区餐饮业的详细分析，报告评估了不同类型餐厅的营养价值和环境影响，揭⽰了外出就餐对城市健康和⽣态系统的多重挑战。此外，报告还提出了⼀系列可⾏的策略，包括政策⽀持、社区参与和科技创新，以推动城市饮⾷向更加绿⾊、健康和可持续的⽅向发展。通过全⾯的数据分析和实证研究，本报告为政府、餐饮⾏业和消费者提供了重要的参考和指导，助⼒实现可持续城市发展的⽬标。本节数据源：1.Zang,J.,Luo,B.,Wang,Y.,Zhu,Z.,Wang,Z.,He,X.,...Wu,F.(2018).EatingOut-of-HomeinAdultResidentsinShanghaiandtheNutritionalDifferencesamongDiningPlaces.10(7),951.2.Ng,M.,Fleming,T.etal.,2014.Global,regional,andnationalprevalenceofoverweightandobesityinchildrenandadultsduring1980-2013:asystematicanalysisfortheGlobalBurdenofDiseaseStudy2013.LancetLond.Engl.384,766–781.3.Warde,A.,2018.ChangingTastes?TheEvolutionofDiningOutinEngland.Gastronomica18,1–12.4.Kant,A.K.,Whitley,M.I.,&Graubard,B.I.(2015).Awayfromhomemeals:associationswithbiomarkersofchronicdiseaseanddietaryintakeinAmericanadults,NHANES2005–2010.InternationalJournalofObesity,39(5),820-827.5.GarcíaBulleBueno,B.,Horn,A.L.,Bell,B.M.,Bahrami,M.,Bozkaya,B.,Pentland,A.,delaHaye,K.,&Moro,E.(2024).Effectofmobilefoodenvironmentsonfastfoodvisits.NatureCommunications,15(1),2291.6.Sun,M.,Xu,X.,Hu,Y.,Ren,Y.,Zhang,L.,&Wang,Y.(2021).Whatdifferentiatesfood-relatedenvironmentalfootprintsofruralChinesehouseholds?Resources,ConservationandRecycling,166,105347.7.Heller,M.C.,&Keoleian,G.A.(2015).GreenhouseGasEmissionEstimatesofU.S.DietaryChoicesandFoodLoss.JournalofIndustrialEcology,19(3),391–401.8.Larson,N.,Neumark-Sztainer,D.,Laska,M.N.,&Story,M.(2011).YoungAdultsandEatingAwayfromHome:AssociationswithDietaryIntakePatternsandWeightStatusDifferbyChoiceofRestaurant.JournaloftheAmericanDieteticAssociation,111(11),1696–1703.9.Du,Y.,Rong,S.,Sun,Y.,Liu,B.,Wu,Y.,Snetselaar,L.G.,Wallace,R.B.,&Bao,W.(2021).AssociationBetweenFrequencyofEatingAway-From-HomeMealsandRiskofAll-CauseandCause-SpecificMortality.JournaloftheAcademyofNutritionandDietetics,121(9),1741-1749.10.Santander.(2024).Japan:Reachingtheconsumer./en/portal/analyse-markets/japan/reaching-the-consumers11.Washio,T.,Saijo,M.,Ito,H.,Takeda,K.-i.,&Ohashi,T.(2023).Meatthechallenge:SegmentationandprofilingofJapanesebeefminceanditssubstitutesconsumers.MeatScience,197,109047.12.Afshin,A.,etal.,2019.Healtheffectsofdietaryrisksin195countries,1990–2017:asystematicanalysisfortheGlobalBurdenofDiseaseStudy2017.TheLancet393,1958–1972.6CHAPTER2外出就餐可持续性的核算⽅法第二章外出就餐可持续性的核算方法第二章外出就餐可持续性的核算方法2.1研究数据来源2.1.1

餐厅信息开源数据的获取通过

Google

地图平台的

Places

API，我们获取了东京都

23

区全域范围内的基于

POI

的详细餐厅信息数据。数据涵盖餐厅名称、地址、经纬度坐标、唯⼀识别代码、价格⽔平、⽤户评分、餐厅类型及评分等关键信息。数据内容见表

2.1。知识卡片：PlacesAPIPlacesAPI是GoogleMapsPlatform提供的一项服务，可通过各种方法接受针对位置数据的HTTP请求。它会返回有关场所、地理位置或著名地图注点的格式化位置数据和图像。API是ApplicationProgrammingInterface的英文缩写，指的是应用程序接口。API定义了软件系统中的组件之间的交互方式，允许不同的软件之间进行交互和通信。它是一组规定的约定和协议，用于定义软件中不同模块和组件之间的通信方式。表2.1东京餐厅POI数据各项属性及其含义餐厅

POI属性含义Restaurantid餐厅IDRestauranttypesFormattedAddressAddressComponentsGlobalCode餐厅类型格式化地址地址全球代码复合代码纬度CompoundCodeLatitudeLongitude经度知识卡片：POIViewport视野POI(PointofInterest)，常译为“兴趣点”，指经过特定规则选择后值得注意的地点。POI对企业、旅行者和研究人员具有重要价值，可应用于地图服务、导航系统、基于位置的营销、旅游、城市规划和地理分析等领域。一个良好的POI数据集通常是结构化的，具有诸如位置名称、位置坐标、地址、类型等属性。AdrFormatAddressBusinessStatusRestaurantNamePrimaryType地址格式营业状态餐厅名称主要类型简短格式化地址⽆障碍设施主要类型显⽰名称价格⽔平评分ShortFormattedAddressAccessibilityOptionsPrimaryTypeDisplayNamePriceLevelRatingUserRatingCountCurrentOpeningHours⽤户评分次数当前营业时间8userid:529794,docid:172425,date:2024-08-19,第二章外出就餐可持续性的核算方法尽管

PlacesAPI具有⾃动覆盖的功能，但为了确保数据完全覆盖东京

23区，仍需要⼿动规划⼀系列采样区域，以保证没有遗漏区域。初步阶段涉及使⽤代表东京

23区的⾯数据(polygon)1。在每个区内，我们绘制了⼀系列采样圈，以确保全⾯覆盖。通过加⼊检验步骤，确保了数据的完整性，排除了位于指定区多边形之外的

POI。有效的餐厅数据随后被存储在

SQL数据库中，便于结构化数据分析和查询。对于每个采样圈，发起

API请求以获取数据，并设置过滤器，仅包含归类为“餐厅”且提供⽇语描述的商家。对于⼀次请求⽆法获取全部

POI信息的区域，通过多次过滤进⾏数据补全，如图

2.1所⽰。图

2.1用于收集东京

23区餐厅数据的采样圈示意图经过这⼀数据获取操作，我们得到了包含了

286,648家餐厅

POI记录的数据集。为了确保数据集的准确性和相关性，对餐厅

POI数据进⾏了多步骤的数据清洗。在去除重复获取的地点并修正数据异常后，获取的餐厅数量为

113,972家。其中，共识别出

2,414条记录位于东京

23区的地理边界之外，并删除

324条不符合有效

POI标准的条⽬。这些排除条⽬包括不符合餐厅条件的条⽬，例如错误分类的企业，或⽆法通过现有数据源充分匹配或验证的

POI。最终，数据库被精炼⾄包含

112,892条有效餐厅

POI条⽬。数据源：/products/japan-shp/19第二章外出就餐可持续性的核算方法2.1.2

外出就餐菜单数据集的建立、餐厅数据的分类与验证为了解外出就餐时，餐厅为消费者所提供菜品的营养与价格信息，本研究开展了相关的数据收集⼯作。通过检索东京⼤型连锁餐饮品牌的官⽅⽹站，对其公开的菜单信息进⾏了收集。这些菜单数据覆盖了东京地区众多知名餐厅，具体信息参见表

2.2。表2.2连锁餐饮品牌信息及收录的菜品数量⽇⽂名英⽂名餐厅类型描述菜品数量なか卯Nakau丼饭（盖浇饭）和京都风味乌冬⾯乌冬⾯连锁店345927はなまるうどん幸楽苑HanamaruUdonKourakuen拉⾯连锁餐厅れんげ⾷堂/中華東秀中式菜肴连锁店RengeShokudo/ChineseTohshu61⼤阪王将ステーキ屋松KFCOsakaOhshoSteakHouseMatsunoKFC以饺⼦（⽔饺）和其他中式菜肴闻名⽜排连锁店6331932361546218105231183049汉堡和炸鸡吉野家Yoshinoya⽜⾁饭ココ壱番屋マイカリー⾷堂⼤戸屋CocoIchibanyaMyCurryShokudoOotoya咖喱饭连锁店咖喱饭连锁店传统⽇式家常料理提供拉⾯、饺⼦等中式菜肴的餐厅提供多种西式菜肴的家庭餐厅咖啡连锁店⽇⾼屋HidakayaココスCoco'sタリーズコーヒーかっぱ寿司すき家Tully’sKappaSushiSukiya回转寿司连锁店⽜⾁饭焼⾁和民YakinikuWatami⽇式烤⾁店以各种西式和⽇本料理闻名的家庭式餐厅RoyalHostSubwayRoyalHostSubway10916以三明治闻名的国际连锁连锁快餐，售卖汉堡，以及薯条、炸鸡、汽⽔等快餐⾷品咖啡连锁店McDonald'sMcDonald's72StarbucksStarbucks287116⿃貴族Torikizoku平价烧鸟居酒屋店在收集过程中，我们详细记录了每道菜品的营养成分，包括卡路⾥、蛋⽩质、碳⽔化合物、10第二章外出就餐可持续性的核算方法脂质和盐含量五项关键营养指标。同时，为确保数据的时效性和准确性，结合官⽅⽹站、Google地图等信息来源⽅式，获取了截⾄

2022年

6⽉的菜品价格信息。随后，将价格数据与营养数据匹配，以确保数据的⼀致性和准确性。最终，构建了包含

1,727道菜品的外出就餐菜单数据库。该数据库详细记录了菜品的定价和营养信息，为后续深⼊分析提供了坚实的基础。此外，对于从

Google地图上获取的餐厅数据与菜单数据，依据⽇本家庭收⼊与⽀出调查（FIES）设定的外出就餐类型，将其分类为

12种就餐类别。1,727道菜品所属餐厅的类型分布情况记录在表

2.3中。表

2.3按

FIES类别划分的外出就餐菜品数量知识卡片：FIES餐厅类型⽇式⾯条中式⾯条其他⾯条寿司菜品数量（道）家庭收入和支出调查（FIES，Family

Incomeand9363ExpenditureSurvey）是日本统计局每月进行的一项抽样调查。其目的是了解家庭收入和支出的实际情况，为社会和经济政策提供依据。该调查覆盖全国家庭。根据2015年人口普查，调查对象家庭总数为5157万户，占所有家庭的96.5%。在FIES中，样本家庭是基于统计方法选取的，以便能够代表全国所有家庭。3111858849⽇式料理中华料理西餐86烧烤82汉堡105109知识卡片：Tabelog其他Tabelog（日文名称：食べログ）是日本最大的在线餐厅点评和推荐平台，网站提供查看餐馆的用户点评、照片、空位数，以及在线预约等服务。根据网站数据，至2024年5月，总计收录了全日本超过86

万家餐厅，6257万条用户点评，1亿

6448万张照片以及7.3万家店铺的线上预定方式。咖啡厅酒吧287116另外，在对餐厅进⾏分类的过程中，结合了

Google地图和⽇本餐厅评价⽹站

Tabelog

的数据，使⽤餐厅名称、地址以及

“Tabelog”关键字进⾏搜索。Tabelog系统会随机为每家餐厅贴上

1⾄

3个标签，共有

210个不重复的标签类别以及

3,649种组合。为确保数据准确性，通过⽐较地址中的第⼀个标签，将

Tabelog的数据与

Google11第二章外出就餐可持续性的核算方法地图的数据进⾏交叉验证。对于未验证的条⽬，通过⼿动搜索来核验。利⽤这种⽅法，我们将112，892家餐厅的

POI分别匹配到

FIES⾥规定的

12个类别⾥。2.1.3

东京轨道交通开放数据与家庭就餐概况信息研究采⽤了来⾃⽇本国⼟交通省国⼟信息处、国家空间规划与地区政策局的公开信息，该信息详细记录了东京都内铁路系统

2020年的相关数据。数据涵盖了车站的位置、路线以及每⽇客流量路、单轨铁路）以及运营商（如新⼲线、⽇本铁路公司常规线路、公有铁路、私有铁路、第三⽅部门铁路）的信息

。同时，作为家庭收⼊和⽀出调查的重要组成部分，FIES为我们提供了2；此外，我们整合了关于路线、车站、铁路类别（如常规铁路、缆车、悬挂式单轨铁3⽇本不同收⼊阶层的外出就餐消费模式及就餐频率数据，为菜品和餐厅分类提供了基础框架。2.2外出就餐的营养及环境影响的评估方法2.2.1

营养与价格分析在外出就餐的营养与价格评估中，⾸先结合了

2.1.2收集的菜单营养数据，计算出各类餐厅提供菜品的平均营养价值。尽管同⼀餐厅或餐厅类型的不同菜品之间存在营养成分的差异，但⽬前的数据粒度尚且⽆法量化这些变化。因此，本研究假设同⼀类型餐厅的菜品具有相似的营养特性。在菜单数据与餐厅

POI分类及验证基础上，识别了东京各种餐厅类型，并利⽤这些数据与营养数据交叉映射，得出东京全部餐厅的营养分布。公式（1）计算了“营养强度”，即通过每

100⽇元⽀出能够获取的营养物质量，来衡量营养价值，评估了各类餐厅的菜品营养价值。1ꢃ∑ꢀ,ꢁ

ꢀꢂꢀ,ꢁ

ꢂꢄꢅ

ꢀ,ꢁ,ꢂꢀꢁꢀ,ꢁ=×

ꢊ100ꢊ(1)1ꢆꢀ∑ꢅꢆꢇꢈꢉꢀ,ꢂꢃꢄꢀ

ꢂꢄꢅ其中，ꢀ表⽰餐厅类别；ꢁ表⽰各种营养成分；ꢂꢀ,ꢁ表⽰餐厅类别ꢀ下含有营养ꢁ信息的菜品数量；ꢃꢄꢀ表⽰餐厅类别ꢀ具有价格信息的菜品数量。ꢅꢆꢀ,ꢁ

表⽰餐厅类别ꢀ提供菜肴中营养ꢁ的含量;ꢇꢈꢀꢉꢊꢀ,ꢂ表⽰餐厅类别ꢀ中菜品ꢄ的价格。2

https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-N02-v2_3.html3

https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-S12-v2_3.html12第二章外出就餐可持续性的核算方法2.2.2

环境影响分析接下来，以量化菜品碳⾜迹的形式评估了东京餐厅的环境影响。这⾥，我们结合了

FIES和

3EID

数据库的数据，对餐厅提供菜品的碳⾜迹进⾏准确的评估。3EID数据库提供了⾷品原材料单位价格⽀出带来的排放强度信息，在此基础上，通过

FIES的消费数据来量化最终的碳⾜迹。FIES的调查数据结果涵盖了

7,424户家庭，涵盖不同收⼊的家庭，并最⼩化了消费数据偏差，从⽽反映了不同消费者群体的购买⼒。对于间接排放强度ꢀ，其计算原理基于环境拓展型投入产出分析的⽅法，如

式（2）：ꢁꢂꢃꢁꢄꢅꢆꢇꢀꢁꢀꢈꢁꢂꢃꢁꢄꢅꢆꢇ⋯ꢀꢀꢁꢂꢃꢁꢄꢅꢆꢇꢀꢁꢂꢃꢁꢄꢅꢆꢇꢂ

=

ꢃ(ꢄ

−

(ꢄ

−

ꢅ)ꢇ)ꢆꢊꢈ(2)⋯ꢉ其中，ꢀ表⽰消费品的类别；ꢁꢂ为直接排放强度的⾏向量,ꢂ

=

ꢃ

,I是单位矩阵,ꢄꢅ

表⽰[

]ꢀ进⼜直接需求系数的对⾓矩阵,ꢆ为⾏业间交换矩阵。为了计算餐厅在消费者的⼀次就餐⾏为中提供菜品所隐含的碳⾜迹，我们整合了各个消费⽔平的家庭在外出就餐⽅⾯的⼈均⽀出，以及

Google地图划分为四个等级的餐厅价格信息。具体来说，假设收⼊更⾼的家庭会倾向于前往⾼价的餐厅就餐，以其平均⽀出替代

Google地图所缺少的具体⽀出信息。通过这种⽅法，计算出不同类型餐厅提供⼀顿餐⾷的碳⾜迹，如公式（3）所⽰：ꢓꢔꢕꢖꢗꢉꢋ,ꢌꢋꢉꢍꢋꢎꢏꢐꢀꢋꢉꢍꢋꢎꢏꢐꢀ=

ꢀꢍꢋꢉꢋꢉꢌꢊꢑꢒꢀ(3)ꢈꢋ,ꢌꢔꢕꢖꢗꢊ

ℎꢋ,ꢌ

ꢌ其中各项代表排放计算中的不同因素，取决于餐厅的类别与价格等级。最后，为了阐明外出就餐导致的碳排放在地理上的差异，我们使⽤了

IDW

插值⽅法，这是⼀种基于

Tobler

地理学第一定律操作的统计⽅法。通过这种⽅法，我们能够根据餐厅位置信息，绘制出碳⾜迹的分布趋势，使⽤

ArcGIS10.4进⾏可视化。计算过程如下：ꢃ

=

ꢇ(ꢈ

−

ꢈ

)ꢃ

+

(ꢉ

−

ꢉ

)ꢃ(4)(5)ꢁꢂꢁꢂꢁꢄꢅꢃꢀꢊꢁ

=ꢄꢅꢃꢁ∑ꢆꢁꢇꢈꢆꢌꢋ(ꢈ

,

ꢉ

)

=

ꢍ

ꢊ

ꢋ(ꢈ

,

ꢉ

)(6)ꢂꢂꢁꢁꢁꢁꢇꢈ其中

ꢃ

是两点之间的距离，ꢊ

是权重项，ꢋꢌ

ꢈ

,

ꢉ

是插值结果，ꢎ

是

ꢋꢌ

ꢈ

,

ꢉ

附近(ꢂ)(ꢂ)ꢁꢁꢂꢂ可⽤数据点的数量，ꢈ

和

ꢉ

表⽰城市

ꢏ

和

ꢐ

的地理位置，ꢑ是⼀个任意正实数。13知识卡片：3EID3EID全称为EmbodiedEnergy

andEmissionIntensity

DataforJapanUsingInput-OutputTables（中文名：利用投入产出表计算的日本隐含能源及排放强度数据），是一本专注于评估日本各部门环境影响的数据手册。该手册由日本国立环境研究所（NIES）出版，其核心价值在于能够洞察各个经济部门单位生产活动（以一百万日元计）产生的直接和间接环境负担（包括能源消耗和排放），有助于研究人员与决策者评估不同经济部门的环境影响。知识卡片：IDWIDW(Inversedistanceweighting)全称为反距离加权法，是一种空间插值方法，基于未知点到每个已知点的距离的倒数进行插值。知识卡片：地理学第一定律地理学第一定律（Tobler'sfirstlaw

ofgeography）来源于美籍瑞士地理学家，制图学家WaldoTobler的观点"Everythingisrelatedtoeverythingelse,butnearthingsaremorerelatedtoeach

other"即“任何事物都相关，只是相近的事物关联更紧密”。第二章外出就餐可持续性的核算方法2.3车站周边外出就餐的可持续性评估方法2.3.1

餐厅营养、环境影响、多样性、拥挤程度及价格评估方法针对车站附近餐饮选择的可持续性，我们建⽴了营养、环境影响、多样性、拥挤程度和价格这五个关键指标。⾸先，关于营养价值，通过营养密度模型，计算了营养密度分数，既考虑了有益的积极营养素（如蛋⽩质、碳⽔化合物），也考虑了需要限制摄⼊的营养素（如脂质、盐）。营养密度分数采⽤每

100千卡的标准化营养数据进⾏计算。⾸先，积极营养密度得分（PNDS）及负营养密度得分（NNDS）可以通过公式（7）（8）计算：ꢅꢀꢂꢆꢇꢀꢅꢀꢀꢁꢂꢃ

=

ꢄ(7)(8)ꢀ∈ꢁꢀꢁꢁꢂꢃ

=

ꢄꢂꢆꢇꢀꢀ∈ꢁꢁ式中，ꢀ

为营养物质ꢁ的含量，ꢂꢃꢄ

为其⽇推荐摄⼊量。ꢀꢀ综合营养密度得分（NDS）的计算⽅法如公式（9）所⽰：NDS

=

PNDS

−

NNDS(9)在此基础上，每个车站周围餐厅的营养指数由此求出，并进⾏了标准化以便⽐较。关于车站附近餐厅类型的多样性，该指数考虑了车站

500⽶半径内餐厅的数量及类型的多样性。对于每个车站，⽤ꢈ

表⽰该站周边类型ꢅ的餐厅数量。所有类型的餐厅总数ꢁꢉꢊ

是ꢆ

的ꢂ,ꢃꢃꢁ,ꢂ总和：ꢁꢉꢊꢃ

=ꢈꢂ,ꢃ。值得注意的是，餐厅类型数据来源于

GoogleMaps，包含

84种不同餐∑ꢄꢂꢅꢆ饮设施的分类。这⾥，我们提出了⼀个综合指数，既考虑了数量（餐厅总数），也包含了多样性（餐厅类型的多样性）。该指数受到⽣态学中的多样性指数的启发，尤其是

Shannon

多样性指数ꢇ（Hill数的⼀种形式，多样性顺序ꢈ

=

1），其数学公式可表⽰为式（10）：ꢄꢋ

=

−

ꢄ(ꢌ

lnꢍ

ꢌ

)(10)ꢃꢂ,ꢃꢂ,ꢃꢂꢅꢆ其中，ꢉꢁ,ꢂ是车站ꢊ附近餐厅类型ꢅ的相对丰度，由ꢌꢂ,ꢃ=ꢇꢂ,ꢃ

计算。ꢈꢀꢉꢃ知识卡片：香农多样性指数Shannon多样性指数（Shannon'sDiversity

Index）是用来描述一个群落的多样性的统计量，在生态学中应用很广泛。该指标同时能够反映景观异质性。另外，经济学中也将其用于描述一个地区中经济活动的分布。15第二章外出就餐可持续性的核算方法然⽽，考虑到每个车站周围餐厅数量的不同，直接⽐较不同⼤⼩样本的

Shannon指数或Hill数存在固有限制。因此，我们引⼊了⼀个标准化步骤，即计算每个车站的标准化多样性指ꢂꢀꢂꢃꢄꢀ数ꢀꢀ

（ꢀꢀ

=），然后将其乘以该车站标准化餐厅数ꢀꢁꢂ

ꢁ

(ꢀꢁꢂ

ꢁ

=)，得出综ꢁꢁꢀꢀꢂꢀ,ꢁꢂꢃꢂꢃꢄꢀ,ꢁꢂꢃ合餐厅多样性指数ꢁꢁ，如公式（11）所⽰：ꢁꢁ(11)ꢃ

=

ꢀꢁꢂ

×

ꢄꢀꢀꢀ这个综合指数有效地评估了车站餐饮选择的多样性，考虑到了其附近可⽤的餐厅数量和类型的多样性。车站周围就餐环境的拥挤程度的计算结合该站每⽇的乘客⼈次信息与周边餐厅数量，根据式（12）求出：ꢆꢇꢀꢅꢀ

=(12)ꢀꢁꢂꢀ其中，ꢂꢃꢁ表⽰车站ꢈ的⽇均⼈流量。此外，在之前的计算中，我们评估了不同价格层次餐厅提供的菜品的平均碳⾜迹。对于车站周边

500⽶半径范围内的餐厅环境影响评估，以所有餐厅平均碳⾜迹的倒数作为估量标准，并将其标准化为0到1之间的值，以便提供标准化的环境得分，如式（13）和（14）所⽰。1ꢁꢅꢈꢉꢅꢊꢋꢌꢍꢅ,ꢆ,ꢇ(13)ꢉ

=ꢊ

ꢉꢀꢀꢁꢂꢀꢇ∈ꢎꢀmaxꢋ(ꢉꢀ)

−

ꢉꢀꢉꢀ

=(14)maxꢋ(ꢉ

)

−

minꢋ(ꢉ

)ꢀꢀꢀ500m半径范围内所有餐厅的平均碳足迹，

ꢅꢁ是站点ꢆ半径500

m其中，ꢄ

表示车站j周边ꢁ范围内所有餐厅的集合，ꢇꢈꢉ

等于集合ꢅ

的基数，ꢄꢄ,ꢅꢆꢇꢅꢄꢈꢉꢊ是餐厅ꢊ的间接碳足迹（由价格水ꢁꢁꢃ平和餐厅类型决定），ꢄꢁ是归一化后车站ꢆ的环境得分。对于价格方面的可持续性评分，根据

Google地图提供的餐厅价位信息，餐厅ꢊ被分配了一个价格指数ꢂꢋꢃ：最低价格层级被分配了

0.8，而最高价格层级被分配了

0.2。对于一个车站而言，其周边餐厅的整体价格指数ꢂꢁ是通过计算所有餐厅的价格指数平均值得出的，如式（15）。1ꢆꢀ

=ꢊ

ꢆꢌꢇ(15)ꢀꢁꢂꢀꢇꢏꢎꢀ16第二章外出就餐可持续性的核算方法2.3.2

可持续外食指数（SDOI）的建立为全⾯评估各车站外出就餐的可持续性，研究引⼊了可持续外⾷指数（SDOI,sustainabledining-outindex）。该指数综合了营养、环境影响、餐厅多样性、价格及拥挤程度五个关键维度。为了便于⽐较，每个维度都在

0到

1的范围内进⾏了标准化，并在

SDOI计算中赋予了相等的权重。在量化车站性能的五个维度时，考虑到每个维度的原始数据可能具有不同的统计特性，我们采⽤了不同程度的数据处理⽅法，以确保每个维度的合理分布。这种⽅法论不仅增强了跨维度⽐较的⼀致性和有效性，⽽且有助于减轻异常值或偏态分布对整体

SDOI的影响。在

SDOI的计算中，利⽤五个维度的标准化得分绘制雷达图，即连接各维度得分形成多边形的⾯积，表⽰车站的综合得分情况。多边形的⾯积使⽤高斯面积公式计算，该公式基于多边形顶点的笛卡尔坐标计算其边界区域的⼤⼩。每个⼦指标⾸先根据五边形中的⾓度映射到⼆维平⾯上的⼀个点，如公式（16）所⽰：知识卡片：高斯面积公式高斯面积公式，又称为鞋带公式（Shoelaceformula）或测量员公式（Surveyor'sformula），用于计算简单多边形的面积，其顶点由平面上的笛卡尔坐标描述。该方法通过对多边形的顶点坐标进行交叉乘积运算来确定其面积。该算法在2D和3D计算机图形、测量以及林业等领域都有广泛应用。2ꢉꢊ52ꢉꢊꢀꢁꢀꢁ,

ꢂꢀꢁꢃ

=

ꢄꢅꢀꢁ

∙

ꢆꢇꢈ,

ꢅꢀꢁ

∙

ꢈꢋꢌꢍ

,

ꢉ

=

0,

1,

⋯

,4(16)5其中，ꢀꢁ

,

ꢁ

,

ꢁ

,

ꢁ

,

ꢁ

ꢂ代表五个⼦指标的⼀种排列组合

ꢎ,

ꢏ,

ꢐ,

ꢑ,

ꢒ

。由营养指数ꢃ

、[]ꢀꢁ

ꢀꢂ

ꢀꢃ

ꢀꢄ

ꢀꢅꢆ环境指数评分ꢄ

、餐厅多样性指数ꢅ

、价格指数ꢆ

和拥挤度ꢇ

决定。每个排列组合的⾯积使⽤公ꢆꢆꢆꢆ式（17）计算：ꢅ1ꢈ

=

ꢉꢊꢋ

ꢌ−

ꢋꢀꢇꢈꢂꢌꢀꢇꢊꢀꢇ

ꢀꢇꢈꢂ(17)ꢀ2ꢇꢉꢁ值得注意的是，考虑到五边形的⾯积与个别指标的排序有关，各车站的

SDOI是五个维度得分以所有排列组合⽅式构成的多边形的⾯积的平均值。∑ꢂ!

ꢖꢀꢀꢃꢄꢓꢔꢕꢐ

=(18)5!其中，ꢖꢀ是排列ꢗ下多边形的⾯积。这种平均⾯积计算提供了⼀个衡量各车站可持续就餐环境的指标，⾯积越⼤表明可持续性指数越⾼。17第二章外出就餐可持续性的核算方法2.3.3

轨道线路与行政区的综合评估方法为了更全⾯地评价东京

23

个⾏政区域及其铁道⽹络沿线的餐饮选择的可持续性，我们将对单个车站的评估扩展到了沿线餐厅的可持续性餐饮得分，以及东京

23

个⾏政区的整体评估。在分析轨道线路沿线的情况时，通过两个不同的评估指标来展现研究成果：各线路的平均

SDOI得分与总得分。线路的总得分是通过累加沿线所有车站的得分计算出来的，反映了该线路在可持续餐饮⽅⾯的整体实⼒。⽽平均得分则提供了线路沿线可持续餐饮平衡发展的见解。评估不同⾏政区域的外出就餐可持续性得分时，针对跨越多个区的车站进⾏了调整。每个⾏政区的可持续性餐饮总得分是通过汇总该区内所有车站的得分来给出的。这⼀度量标准突出了在可持续餐饮⽅⾯整体表现出⾊的区域。为了减少不同区域⼤⼩对评估结果的影响，计算了单个车站及单位⾯积的得分，从⽽提供更为公平的⽐较。CHAPTER3东京餐厅可持续性分析实践第三章东京餐厅可持续性分析实践第三章东京餐厅可持续性分析实践3.1餐厅密度分布图

3.1东京

23区餐厅分布示意图19第三章东京餐厅可持续性分析实践基于上述⽅法，本节中揭⽰了东京都

23

区的餐厅分布特征，其中包括餐厅密度分布、平均价格分布，以及

12

种餐厅类型的分布特征(图

3.1)。图

3.1-a）展⽰了在东京

23

区内的餐厅密度分布特征，结果表明各城区的餐厅数量显⽰出巨⼤差异，中⼼城区和副中⼼城区的餐厅数量远⾼于⾮中⼼城区。具体来说，港区以

11,955

家餐厅数量位居东京

23

区⾸位，其次是新宿区和涩⾕区，分别有

10,180

家和

8,800

家餐厅。港区、新宿区和涩⾕区作为东京的商业和⽂化中⼼，其餐厅类型丰富多样，从⾼端餐厅到快餐店应有尽有，这不仅反映了这些区域⾼密度的商业活动特点，也体现了⾼⼈流量和多样化的消费需求。相⽐之下，居民区或较少商业活动的地区，如荒川区、⽂京区和北区等，餐厅数量则明显较少，分别为

1,564

家、2,543

家和

2,546

家，这与这些区域的⼈⼜密度较低、商业设施较少以及居民消费习惯更为保守有关。在餐厅类型⽅⾯，在东京

23

区内，⽇式餐馆的数量最多，达到

38,088

家，这⼀数据突显了⽇本传统饮⾷⽂化在当地市场的深远影响和受欢迎程度。酒吧和咖啡厅作为社交与休闲的重要场所，数量也较为丰富，分别为

19,098

家和

15,291

家，这与东京居民的⽣活⽅式和社交习惯密切相关。西餐厅和中餐馆的数量虽然相对较少，但也分别达到了

8,823

家和

5,549

家，这反映出东京作为国际⼤都市的饮⾷⽂化多元性和对于外来⽂化的开放性。此外，特⾊⾯⾷如中式⾯馆、⽇式⾯馆和其他⾯馆虽然总量不⼤，但它们作为东京居民⽇常外⾷的选择，也显⽰了餐饮选择需求的多样化特征。整体来看，餐厅类型的多样性不仅满⾜了不同消费者的⼜味偏好，也反映了东京在全球化背景下的饮⾷⽂化融合和创新。这种多样化的餐饮类型布局，不仅为东京居民的外⾷消费提供了丰富的选择，同时也显⽰了城市的⽂化多样性和包容性。结合图

3.1-a

餐厅密度分布图、图

3.1-b

平均价格分布图及图

3.1-c

各类型餐厅分布图，我们对东京

23

区的餐厅分布做出以下⼏点讨论：地区消费水平和餐厅运营成本。东京都中⼼城区及次中⼼城区相对繁华，有较⾼的商业房地产价值，区域内的餐厅的运营成本相对较⾼；同时居民平均收⼊⽔平⾼于其他地区，具有更⾼的消费⽔平，因⽽导致有更多的餐厅来满⾜当地居民的消费需求。我们可以看出，在东京都的中⼼城区如千代⽥区、港区和中央区，以及次中⼼城区，如新宿区、池袋区和涩⾕区，其餐厅密度远超过其他地区。与此同时，东京都

23

区内餐厅的平均价格分布也呈现类似的规律，即东京都中⼼城区以及次中⼼城区的餐厅平均价格远超过其他地区。例如，在东京站、银座、20第三章东京餐厅可持续性分析实践六本⽊等中⼼区域，餐厅密度和平均价格均呈现较⾼的⽔平；在千代⽥区、⽂京区和新宿区的交界区域，餐厅的平均价格⽔平较周边区域也呈现出明显增加的特征。城市结构、交通网络和社会经济因素。东京

23区内的餐厅主要集中在轨道交通⽹络最发达的中央商务区，这⼀特征展⽰了餐厅的分布与东京

23区内轨道交通⽹络的分布存在空间相关性。轨道交通是东京

23区和周边地区居民的主要出⾏⽅式，集中分布在轨道交通站点周围的餐饮选择，可以节省消费者出⾏时间，为消费者提供更多便利。同样的，价格⽔平较⾼的餐厅也通常位于交通便利的区域。这是由于交通便利的区域通常是经济发达的地区，具有较为集中的经济活动，这些区域的消费者消费能⼒更强。这⼀现象反映了城市结构、交通⽹络和社会经济因素对消费者外出就餐选择的共同作⽤。人口分布特征和其他因素。东京都中⼼城区及次中⼼城区的⼈⼜密度较⼤，居民对外⾷的需求显著⾼于其他区域，所以⼤部分餐厅都密集分布在此。⽽在⼀些旅游热点区域如上野、浅草区域，餐厅的分布也⽐较集中。考虑到吸引世界各地的游客和运营成本等因素，旅游热点地区的餐厅分布也呈现出多样性和价格⽔平较⾼的特征。第三章东京餐厅可持续性分析实践为了更好地了解东京都

23

区内的餐厅分布情况，我们根据图

3.1-c

对各类型餐厅的分布特征做进⼀步分析：1.

日式餐馆图

3.2东京日式餐馆分布示意图在所有餐厅类型中，⽇式餐馆拥有最多的餐厅数量，共

38,088

家。⽇式餐馆集中分布在千代⽥区（东京站区域）、中央区（⽇本桥、筑地区域）、台东区（上野、浅知识卡片：筑地市场草区域）、池袋区、新宿区和涩⾕区。其中，上野、浅草、筑地区域是东京都内主要的旅游热点区域；筑地区域由于东京有名的鱼市筑地市场为⼈们熟知；池袋、新宿、涩⾕作为东京都的三⼤副都⼼，也是重要的商业活动中⼼和旅游热点区域。此外，⽇式餐馆的覆盖范围⾮常⼴泛，除了集中分布的区域外，东京都内其他区域也都有数量较多的⽇式餐馆。筑地市场是位于东京都中央区筑地的公营批发市场，亦是日本最大的鱼市场。面积约为23万平方米。东京都内

11间东京都中央批发市场之一，其规模之大与知名度之广，不只是东京，更是日本首屈一指的批发市场。22第三章东京餐厅可持续性分析实践2.

中餐馆图

3.3东京中餐馆分布示意图东京都

23

区内共有

5,549

家中餐馆，其分布主要受到移民的影响，集中于华⼈聚集的区域。例如，池袋区域和上野区域的中餐馆的数量显⾼于其他区域；在新桥、有乐町这些上班族的主要聚集区域，中餐馆也有较为集中的分布，为上班族提供了经济便捷的外⾷选择。3.

西餐厅图

3.4东京西餐厅分布示意图在东京都

23

区内，共有

8,823

家西餐厅，它们主要分布在城市的商业、购物和娱乐中⼼。例如，在千代⽥区的东京站和⼤⼿町区域、港区的六本⽊区域等办公楼和商业设施众多的区域，西餐厅的分布较为集中；在千代⽥区、⽂京区和新宿区交界的饭⽥桥神乐坂区域，由于历史⽂化的原因，集中分布着较多的西餐厅；此外，在新宿区域、涩⾕⼴尾惠⽐寿区域，西餐厅也有23第三章东京餐厅可持续性分析实践密集的分布。4.

寿司店图

3.5东京寿司店分布示意图寿司店的数量在东京都

23

区的所有餐厅中占⽐不⼤，共有

3,404

家，主要分布在中⼼城区和次中⼼城区，如港区的六本⽊区域、涩⾕区的涩⾕⼴尾惠⽐寿区域及中央区的筑地区域。在筑地区域，原筑地海鲜市场的场内市场虽然已经搬到了丰洲区域，但场外市场的寿司店未搬离，因此这⾥仍然是寿司店⽐较集中的区域；此外，在六本⽊、涩⾕、⼴尾、六本⽊等区域也分布着较多的⾼档寿司店。5.

烤肉店图

3.6东京烤肉店分布示意图东京都

23

区内共有

1,501

家烤⾁店。由于烤⾁店的平均价格相对较⾼，这些餐厅主要集24第三章东京餐厅可持续性分析实践中分布在经济发达且消费⽔平较⾼的中⼼城区和副中⼼城区，例如新桥和虎之门区域、新宿区域以及涩⾕区域，呈现集中分布的特征。相反，⾮中⼼城区的烤⾁店数量则明显较少于中⼼城区和副中⼼城区，且没有相对集中区域。6.

汉堡店图

3.7东京汉堡店分布示意图东京都

23

区内共有

1,259

家汉堡店，作为外⾷快餐的知识卡片：快餐文化⼀种选择，汉堡店在数量上并不占优势，这⼀现象与⽇本的快餐文化紧密相关。在⽇本，本地的传统快餐选项如拉⾯、寿司和便当等，因其快速、便利且符合当地⼈⼜味的特点，已深⼊⼈⼼。相⽐之下，汉堡店虽然在全球范围内极为流⾏，但在⽇本，它并没有成为主流快餐⽂化的⼀部分。在东京都，不论是中⼼城区还是⾮中⼼城区，汉堡店的分布都没有呈现出明显的聚集特征。我们发现，除了新宿区域、池袋区域及涩⾕区域等传统副中⼼区域外，在世⽥⾕区的下北泽区域、⼤⽥区的蒲⽥区域、墨⽥区的锦⽷町区域，以及台东区的上野区域这类交通便利、⼈流量较⼤的新兴区域，也分布着数量较多的汉堡店。1970年大阪世博会期间，日本已经历了战后五六十年代的经济飞速发展，美国文化被视为潮流象征。世博会上展出的美国肯德基炸鸡改变了日本民众对快餐的传统印象，推动了快餐文化在日本的发展。此后，美国快餐文化不仅冲击